GPT-5.4 nano 是 OpenAI 用於簡單且大量任務的精巧 GPT-5.4 級模型。開發商強調分類、資料擷取、排序，以及子代理輔助工作。它接受文字與圖片並輸出文字。這讓 nano 在較大的流程中具有聚焦角色：完成定義清楚的操作，並回傳下一步所需的資訊。
分類時，提供允許的類別、區分它們的規則，以及預期結果格式。示例任務是指出要求的主題，以及支持該類別的事實。範例能釐清困難界線時，將其納入，並說明不符合可用類別的要求應如何呈現。有用的結果是類別，以及連結到所提供資料的簡短理由。
擷取時，指定欄位與其定義，不要要求列出每個可能有趣的細節。可以提供書面資料或頁面圖片，並指出所需的值。保留會影響含義的名稱與單位，並區分缺少的欄位與從周圍文字推斷的值。排序時，提供候選項與標準，再要求排序清單，為每個位置附上相關證據。
OpenAI 的 GPT-5.4 nano 規格列出 400,000 token 的上下文視窗、最多 272,000 token 的輸入，以及最多 128,000 token 的輸出；知識截止日為 2025 年 8 月 31 日。它支援 none、low、medium、high 與 xhigh 推理強度，預設為 none。所選強度與要求的回答長度應符合任務。使用推理時，除了可見結果，也為分析保留空間。
開發商記載了 Responses、Chat Completions 與 Batch 介面，以及串流、Structured Outputs、函式呼叫、網頁與檔案搜尋、檔案輸入、圖片輸入與提示快取。工具組包含圖片生成、程式碼執行、託管的 shell 與 patch 操作、技能與 MCP 連線。應用程式提供自己的操作並回傳實際結果。結構化回應描述輸出形式；函式要求則描述工具要執行的動作。
多階段工作流程應給 nano 有範圍的輔助任務與清楚的完成標準。例如，從數則訊息擷取必要事實，再將這些事實交給下一階段，以做出更廣泛的決策。將回傳欄位與原始輸入核對，並在類別界線不清楚時調整規則。當目的與來源證據保持明確時，簡潔的類別、一組值、排序清單，或建議工具引數，都可成為有用的最終成果。
", "aboutText": "GPT-5.4 nano 是 OpenAI 用於簡單且大量任務的精巧 GPT-5.4 級模型。開發商強調分類、資料擷取、排序，以及子代理輔助工作。它接受文字與圖片並輸出文字。這讓 nano 在較大的流程中具有聚焦角色：完成定義清楚的操作，並回傳下一步所需的資訊。\n\n分類時，提供允許的類別、區分它們的規則，以及預期結果格式。示例任務是指出要求的主題，以及支持該類別的事實。範例能釐清困難界線時，將其納入，並說明不符合可用類別的要求應如何呈現。有用的結果是類別，以及連結到所提供資料的簡短理由。\n\n擷取時，指定欄位與其定義，不要要求列出每個可能有趣的細節。可以提供書面資料或頁面圖片，並指出所需的值。保留會影響含義的名稱與單位，並區分缺少的欄位與從周圍文字推斷的值。排序時，提供候選項與標準，再要求排序清單，為每個位置附上相關證據。\n\nOpenAI 的 GPT-5.4 nano 規格列出 400,000 token 的上下文視窗、最多 272,000 token 的輸入，以及最多 128,000 token 的輸出；知識截止日為 2025 年 8 月 31 日。它支援 none、low、medium、high 與 xhigh 推理強度，預設為 none。所選強度與要求的回答長度應符合任務。使用推理時，除了可見結果，也為分析保留空間。\n\n開發商記載了 Responses、Chat Completions 與 Batch 介面，以及串流、Structured Outputs、函式呼叫、網頁與檔案搜尋、檔案輸入、圖片輸入與提示快取。工具組包含圖片生成、程式碼執行、託管的 shell 與 patch 操作、技能與 MCP 連線。應用程式提供自己的操作並回傳實際結果。結構化回應描述輸出形式；函式要求則描述工具要執行的動作。\n\n多階段工作流程應給 nano 有範圍的輔助任務與清楚的完成標準。例如，從數則訊息擷取必要事實，再將這些事實交給下一階段，以做出更廣泛的決策。將回傳欄位與原始輸入核對，並在類別界線不清楚時調整規則。當目的與來源證據保持明確時，簡潔的類別、一組值、排序清單，或建議工具引數，都可成為有用的最終成果。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Extract facts from a delivery request\n\nExtract only the required facts from this message: 'Order K92 arrived with one cracked cup out of six. Please replace that cup; weekday delivery is best. I have not sent a photograph yet.' Return order_reference, affected_quantity, total_quantity, requested_action and missing_evidence. Keep quantities numeric and do not infer a delivery address or replacement approval.A compact extraction record containing the five requested fields, with no unrelated summary.The record separates one affected cup from six total cups and marks the photograph as not yet supplied.gpt-5.4-nano用於分類、資料擷取、排序與較簡單代理輔助任務的精巧 GPT-5.4 模型。它接受文字與圖片並回傳文字；開發商記載的功能組包含 Structured Outputs 與函式呼叫。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-5.4 nano 是 OpenAI 用於簡單且大量任務的精巧 GPT-5.4 級模型。開發商強調分類、資料擷取、排序，以及子代理輔助工作。它接受文字與圖片並輸出文字。這讓 nano 在較大的流程中具有聚焦角色：完成定義清楚的操作，並回傳下一步所需的資訊。
分類時，提供允許的類別、區分它們的規則，以及預期結果格式。示例任務是指出要求的主題，以及支持該類別的事實。範例能釐清困難界線時，將其納入，並說明不符合可用類別的要求應如何呈現。有用的結果是類別，以及連結到所提供資料的簡短理由。
擷取時，指定欄位與其定義，不要要求列出每個可能有趣的細節。可以提供書面資料或頁面圖片，並指出所需的值。保留會影響含義的名稱與單位，並區分缺少的欄位與從周圍文字推斷的值。排序時，提供候選項與標準，再要求排序清單，為每個位置附上相關證據。
OpenAI 的 GPT-5.4 nano 規格列出 400,000 token 的上下文視窗、最多 272,000 token 的輸入，以及最多 128,000 token 的輸出；知識截止日為 2025 年 8 月 31 日。它支援 none、low、medium、high 與 xhigh 推理強度，預設為 none。所選強度與要求的回答長度應符合任務。使用推理時，除了可見結果，也為分析保留空間。
開發商記載了 Responses、Chat Completions 與 Batch 介面，以及串流、Structured Outputs、函式呼叫、網頁與檔案搜尋、檔案輸入、圖片輸入與提示快取。工具組包含圖片生成、程式碼執行、託管的 shell 與 patch 操作、技能與 MCP 連線。應用程式提供自己的操作並回傳實際結果。結構化回應描述輸出形式；函式要求則描述工具要執行的動作。
多階段工作流程應給 nano 有範圍的輔助任務與清楚的完成標準。例如，從數則訊息擷取必要事實，再將這些事實交給下一階段，以做出更廣泛的決策。將回傳欄位與原始輸入核對，並在類別界線不清楚時調整規則。當目的與來源證據保持明確時，簡潔的類別、一組值、排序清單，或建議工具引數，都可成為有用的最終成果。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gpt-5.4-nano | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 依模型而定 | 預設值— |
欄位messages[].content | 類型string | 要求選填 | 值與限制 適用條件: 文字對話 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream |
參數control_scope | 規格文字對話；stream 是布林值，預設為 false。 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
方法別名： /chat/completions
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0025 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0025 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.4-nano","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5.4-nano", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra gpt-5.4-nano, openai/gpt-5.4-nano
/chat/completions
gpt-5.4-nano用於分類、資料擷取、排序與較簡單代理輔助任務的精巧 GPT-5.4 模型。它接受文字與圖片並回傳文字；開發商記載的功能組包含 Structured Outputs 與函式呼叫。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-5.4 nano 是 OpenAI 用於簡單且大量任務的精巧 GPT-5.4 級模型。開發商強調分類、資料擷取、排序，以及子代理輔助工作。它接受文字與圖片並輸出文字。這讓 nano 在較大的流程中具有聚焦角色：完成定義清楚的操作，並回傳下一步所需的資訊。
分類時，提供允許的類別、區分它們的規則，以及預期結果格式。示例任務是指出要求的主題，以及支持該類別的事實。範例能釐清困難界線時，將其納入，並說明不符合可用類別的要求應如何呈現。有用的結果是類別，以及連結到所提供資料的簡短理由。
擷取時，指定欄位與其定義，不要要求列出每個可能有趣的細節。可以提供書面資料或頁面圖片，並指出所需的值。保留會影響含義的名稱與單位，並區分缺少的欄位與從周圍文字推斷的值。排序時，提供候選項與標準，再要求排序清單，為每個位置附上相關證據。
OpenAI 的 GPT-5.4 nano 規格列出 400,000 token 的上下文視窗、最多 272,000 token 的輸入，以及最多 128,000 token 的輸出；知識截止日為 2025 年 8 月 31 日。它支援 none、low、medium、high 與 xhigh 推理強度，預設為 none。所選強度與要求的回答長度應符合任務。使用推理時，除了可見結果，也為分析保留空間。
開發商記載了 Responses、Chat Completions 與 Batch 介面，以及串流、Structured Outputs、函式呼叫、網頁與檔案搜尋、檔案輸入、圖片輸入與提示快取。工具組包含圖片生成、程式碼執行、託管的 shell 與 patch 操作、技能與 MCP 連線。應用程式提供自己的操作並回傳實際結果。結構化回應描述輸出形式；函式要求則描述工具要執行的動作。
多階段工作流程應給 nano 有範圍的輔助任務與清楚的完成標準。例如，從數則訊息擷取必要事實，再將這些事實交給下一階段，以做出更廣泛的決策。將回傳欄位與原始輸入核對，並在類別界線不清楚時調整規則。當目的與來源證據保持明確時，簡潔的類別、一組值、排序清單，或建議工具引數，都可成為有用的最終成果。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gpt-5.4-nano | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0025 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0025 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "gpt-5.4-nano",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.4-nano', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.4-nano', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra gpt-5.4-nano, openai/gpt-5.4-nano
/chat/completions
openai/gpt-5.4-nano用於分類、資料擷取、排序與較簡單代理輔助任務的精巧 GPT-5.4 模型。它接受文字與圖片並回傳文字；開發商記載的功能組包含 Structured Outputs 與函式呼叫。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-5.4 nano 是 OpenAI 用於簡單且大量任務的精巧 GPT-5.4 級模型。開發商強調分類、資料擷取、排序，以及子代理輔助工作。它接受文字與圖片並輸出文字。這讓 nano 在較大的流程中具有聚焦角色：完成定義清楚的操作，並回傳下一步所需的資訊。
分類時，提供允許的類別、區分它們的規則，以及預期結果格式。示例任務是指出要求的主題，以及支持該類別的事實。範例能釐清困難界線時，將其納入，並說明不符合可用類別的要求應如何呈現。有用的結果是類別，以及連結到所提供資料的簡短理由。
擷取時，指定欄位與其定義，不要要求列出每個可能有趣的細節。可以提供書面資料或頁面圖片，並指出所需的值。保留會影響含義的名稱與單位，並區分缺少的欄位與從周圍文字推斷的值。排序時，提供候選項與標準，再要求排序清單，為每個位置附上相關證據。
OpenAI 的 GPT-5.4 nano 規格列出 400,000 token 的上下文視窗、最多 272,000 token 的輸入，以及最多 128,000 token 的輸出；知識截止日為 2025 年 8 月 31 日。它支援 none、low、medium、high 與 xhigh 推理強度，預設為 none。所選強度與要求的回答長度應符合任務。使用推理時，除了可見結果，也為分析保留空間。
開發商記載了 Responses、Chat Completions 與 Batch 介面，以及串流、Structured Outputs、函式呼叫、網頁與檔案搜尋、檔案輸入、圖片輸入與提示快取。工具組包含圖片生成、程式碼執行、託管的 shell 與 patch 操作、技能與 MCP 連線。應用程式提供自己的操作並回傳實際結果。結構化回應描述輸出形式；函式要求則描述工具要執行的動作。
多階段工作流程應給 nano 有範圍的輔助任務與清楚的完成標準。例如，從數則訊息擷取必要事實，再將這些事實交給下一階段，以做出更廣泛的決策。將回傳欄位與原始輸入核對，並在類別界線不清楚時調整規則。當目的與來源證據保持明確時，簡潔的類別、一組值、排序清單，或建議工具引數，都可成為有用的最終成果。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 openai/gpt-5.4-nano | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0025 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0025 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.4-nano", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.4-nano',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.4-nano',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra gpt-5.4-nano, openai/gpt-5.4-nano
/chat/completions
openai/gpt-5.4-nano用於分類、資料擷取、排序與較簡單代理輔助任務的精巧 GPT-5.4 模型。它接受文字與圖片並回傳文字；開發商記載的功能組包含 Structured Outputs 與函式呼叫。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-5.4 nano 是 OpenAI 用於簡單且大量任務的精巧 GPT-5.4 級模型。開發商強調分類、資料擷取、排序，以及子代理輔助工作。它接受文字與圖片並輸出文字。這讓 nano 在較大的流程中具有聚焦角色：完成定義清楚的操作，並回傳下一步所需的資訊。
分類時，提供允許的類別、區分它們的規則，以及預期結果格式。示例任務是指出要求的主題，以及支持該類別的事實。範例能釐清困難界線時，將其納入，並說明不符合可用類別的要求應如何呈現。有用的結果是類別，以及連結到所提供資料的簡短理由。
擷取時，指定欄位與其定義，不要要求列出每個可能有趣的細節。可以提供書面資料或頁面圖片，並指出所需的值。保留會影響含義的名稱與單位，並區分缺少的欄位與從周圍文字推斷的值。排序時，提供候選項與標準，再要求排序清單，為每個位置附上相關證據。
OpenAI 的 GPT-5.4 nano 規格列出 400,000 token 的上下文視窗、最多 272,000 token 的輸入，以及最多 128,000 token 的輸出；知識截止日為 2025 年 8 月 31 日。它支援 none、low、medium、high 與 xhigh 推理強度，預設為 none。所選強度與要求的回答長度應符合任務。使用推理時，除了可見結果，也為分析保留空間。
開發商記載了 Responses、Chat Completions 與 Batch 介面，以及串流、Structured Outputs、函式呼叫、網頁與檔案搜尋、檔案輸入、圖片輸入與提示快取。工具組包含圖片生成、程式碼執行、託管的 shell 與 patch 操作、技能與 MCP 連線。應用程式提供自己的操作並回傳實際結果。結構化回應描述輸出形式；函式要求則描述工具要執行的動作。
多階段工作流程應給 nano 有範圍的輔助任務與清楚的完成標準。例如，從數則訊息擷取必要事實，再將這些事實交給下一階段，以做出更廣泛的決策。將回傳欄位與原始輸入核對，並在類別界線不清楚時調整規則。當目的與來源證據保持明確時，簡潔的類別、一組值、排序清單，或建議工具引數，都可成為有用的最終成果。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 openai/gpt-5.4-nano | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0025 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0025 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "openai/gpt-5.4-nano",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.4-nano', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.4-nano', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra gpt-5.4-nano, openai/gpt-5.4-nano
/chat/completions
英文技術範例
Extract facts from a delivery request\n\nExtract only the required facts from this message: 'Order K92 arrived with one cracked cup out of six. Please replace that cup; weekday delivery is best. I have not sent a photograph yet.' Return order_reference, affected_quantity, total_quantity, requested_action and missing_evidence. Keep quantities numeric and do not infer a delivery address or replacement approval.A compact extraction record containing the five requested fields, with no unrelated summary.The record separates one affected cup from six total cups and marks the photograph as not yet supplied.